Furchtdidaktik und KI

Sokrates, René und ein Padlet voller Lernspiele

Die ersten zehn Sekunden habe ich genickt.

Gestern Nachmittag, in einer Sitzung. Eine Kollegin sagte einen Satz, der mir seitdem nicht mehr aus dem Kopf geht: „Wir wissen nicht mehr, was sie selbst können.” Sie meinte die KI in unserer Lehre. Sie hatte eine Liste dabei. Studierende, die sich Seminararbeiten erzeugen lassen. Halluzinationen. Datenschutz. Eine Liste, die in jedem einzelnen Punkt stimmt.

Jetzt ist es viertel neun in der Früh, Michael tippt neben mir, sonst ist es still. Auf meinem Bildschirm liegen die 34 Fragebögen, die ich auswerten will. Eigentlich sollte ich was anderes tun. Aber der Satz von gestern geht mir nicht aus dem Kopf.

Ich öffne das Padlet. Lernspiele, gebaut von Studierenden im Sommersemester. Die meisten hatten vorher nie programmiert. Erstellt mit Claude, ChatGPT oder Gemini. Wenn die Kollegin recht hat, was machen wir dann mit dem, was die Studierenden hier gebaut haben?

Ich frage das nicht von außen. Den Reflex der Kollegin habe ich auch. Neues ausprobieren macht Arbeit. Ich werde Fehler machen, ich werde mich vorführen, ich werde am Ende erklären müssen, warum etwas nicht so funktioniert hat, wie geplant. Vorsichtig sein ist bequemer. Genau deshalb verstehe ich die Kollegin. Ihre Position ist nicht falsch. Sie ist nur unvollständig.

Und sie ist nicht neu. Sie ist 2500 Jahre alt.

Athen, gegen 370 vor Christus

Sokrates sitzt mit Phaidros am Ufer des Ilissos und erzählt eine Geschichte. Es war einmal ein ägyptischer Gott namens Theuth, der dem König Thamus eine neue Erfindung vorstellte. Die Schrift. Sie werde, sagte Theuth, die Menschen weiser und ihre Erinnerung stärker machen. Thamus widersprach. Sie werde das Gegenteil bewirken. Die Menschen würden aufhören zu lernen, weil sie sich nicht mehr erinnern müssten. Sie würden auf das Geschriebene vertrauen statt auf das eigene Denken. Sie würden nicht weise werden, sondern nur scheinbar weise.

Wir kennen diese Geschichte nur, weil Platon sie aufgeschrieben hat.

Diese Ironie ist nicht zufällig. Sie ist das Muster. Jede neue Technologie, die das Lernen verändert, weckt dieselbe Sorge. Die Schrift werde das Gedächtnis töten. Der Buchdruck werde die Autorität der Gelehrten zerstören. Der Taschenrechner werde das Rechnen verlernen lassen. Wikipedia werde die Lexika und mit ihnen die Genauigkeit beerdigen. Das Smartphone werde die Konzentration ruinieren. KI werde das Denken auslagern.

Und immer war jemand zur Stelle, der diese Sorge in Lehrpraxis übersetzt hat. Schreibverbote für Sokrates’ Schüler. Der Abt Trithemius, der 1492 die Mönche anflehte, weiter mit der Hand zu schreiben, und sein Plädoyer dann drucken ließ. Taschenrechnerverbote in den Klassenzimmern der achtziger Jahre.

Manchmal haben wir gelernt, differenzierter zu antworten. Wikipedia wurde nicht als Werkzeug verboten, sondern als wissenschaftliche Quelle nicht zugelassen. Wer nachschlagen will, nutzt sie weiter. Im Quellenverzeichnis hat sie nichts verloren. Bei Smartphones in Schulen wird gerade um Regeln gerungen, die mit Ablenkung, Konzentration und Cybermobbing zu tun haben, nicht mit der Technologie selbst.

Doch 2026 sitzt eine Kollegin in einer Sitzung und sagt, wir wissen nicht mehr, was sie selbst können. Bei der KI sind wir wieder am Anfang. Beim ersten Reflex.

Ich nenne diesen Impuls den Bewahrungsreflex. Bei jeder neuen Technologie der gleiche Reflex. Bewahren, was wir kennen und können. Den Schaden abwenden, den die neue Technologie anrichten könnte. Den Lernenden ersparen, was sie sonst falsch machen würden.

Das ist nicht dumm. Das ist menschlich. Und Sokrates hatte recht und unrecht zugleich. Recht damit, dass etwas verloren geht. Wir können heute weniger Gedichte auswendig als die Athener vor 2500 Jahren. Unrecht damit, dass das, was bleibt, weniger wäre. Das Gedächtnis ist nicht verschwunden. Es hat sich verlagert. Und dort, wo es sich verlagert hat, sind Dinge entstanden, die ohne Schrift nicht möglich gewesen wären.

Im Jahr 2026 hat dieser Reflex eine neue Variante. Sie verdient einen schärferen Namen. Weil sie sich nicht mehr nur als Sorge tarnt, sondern als Didaktik.

Furchtdidaktik

Ich nenne sie Furchtdidaktik. Eine Lehre, die nicht mehr fragt, was Lernende erwerben sollen, sondern nur noch, wovor sie geschützt werden müssen.

Die Furchtdidaktik fragt nicht, welche Kompetenzen ich vermitteln möchte, sondern welche Werkzeuge ich verbieten muss, damit niemand auf die Idee kommt, sie zu benutzen. Sie fragt nicht, was eine Seminararbeit zeigen soll, sondern wie ich verhindere, dass sie mit KI geschrieben wird. Sie fragt nicht, wie ich Studierende zum Lesen bringe, sondern wie ich Aufgaben gestalte, die ChatGPT nicht beantworten kann.

Das klingt vernünftig, solange man nur auf die nächsten zwei Semester schaut. Aber es ist ein leerer Plan. Was ChatGPT heute nicht kann, kann vielleicht die nächste Modellgeneration. Und jede Lernende, die wir vor der KI schützen wollen, wird in fünf Jahren in einem Beruf arbeiten, in dem KI selbstverständlich ist. Die einzige Frage ist, ob sie dann den klugen oder den naiven Umgang gelernt hat.

Doch die Furchtdidaktik wirkt nicht erst, wenn die KI ins Spiel kommt. Sie wirkt schon vorher, im Material selbst. Wer Lehre vom Schaden her denkt, gestaltet sie defensiv. Was bleibt, ist das, was sich kontrollieren lässt. Geprüfte Inhalte, eindeutige Fragen, sichere Antworten. Etwas Trockenes.

Ich gehe zurück zum Padlet und zu den Fragebögen. Im Padlet liegen die Spiele, in den Fragebögen die Antworten dazu. Zwei meiner Studierenden, unabhängig voneinander, zu zwei verschiedenen Spielen, benutzen dasselbe Wort. „Trockenes Thema.” „Trockenes Wissen.” Sie meinen nicht das, was sie gespielt haben. Sie meinen das, was dahinter liegt. Die offiziellen Lerninhalte, denen sie sonst in Lehrbüchern und Selbstlernkursen begegnen. Trocken ist die Bewertung, die in der Lehre schon steckt, bevor die Studierenden überhaupt die KI öffnen. Wer trockenes Wissen erwartet, wird es delegieren, sobald sich die Gelegenheit ergibt. Das ist nicht moralische Schwäche. Das ist die Logik des Systems.

Die Furchtdidaktik verstärkt diese Logik, statt sie aufzubrechen. Sie beruhigt. Sie verhindert Fehler. Sie verhindert aber auch das Lernen, das nur durch Fehler entsteht. Und sie verschiebt die eigentliche Aufgabe von Bildung. Unsere Aufgabe ist nicht, die Welt vor KI zu schützen. Unsere Aufgabe ist, dafür zu sorgen, dass Lernende Kompetenzen aufbauen können. Und der kluge Umgang mit KI ist eine dieser Kompetenzen geworden, ob es uns gefällt oder nicht.

Auf meinem Bildschirm liegt noch immer das Padlet. Was dort liegt, ist Furchtdidaktik gerade nicht.

Was die Studierenden gebaut haben

Im Padlet liegen zwei Dinge nebeneinander. Die Spiele selbst, und davor eine Spalte mit Anleitungen, in denen jede Gruppe als Infografik zeigt, wie sie das eigene Spiel gebaut hat. Welche Tools, welche Workflows, welche Stolperfallen. Was nicht im Padlet liegt, sind die schriftlichen Reflexionen. Die hat jede Gruppe als Teil der Abgabe geschrieben, rund 300 Wörter pro Gruppe. In den Reflexionen steht oft mehr als in den Spielen selbst.

René schreibt am Ende seiner Reflexion einen Satz, der bei mir hängen bleibt. „Programmieren haben wir dadurch sicherlich nicht gelernt. Was aber durchaus eine Lernerfahrung war, war zu jenen Gedanken zu kommen, die gedacht werden müssen, um ein Lernspiel mittels Vibe-Coding zu erstellen.”

Die Gedanken, die gedacht werden müssen. Genau das ist die Beschreibung dessen, was Lernen ist, und René hat sie selbst formuliert. Nicht ich. Nicht eine Didaktik-Vorlesung. Ein Student nach einem Semester praktischer Arbeit. Die Kollegin gestern hat gefragt, was sie selbst noch können. René gibt eine Antwort, die in der Sitzung niemand erwartet hätte.

Die Lehrveranstaltung heißt Disseminationsstrategien und ist Teil des Masterstudiengangs E-Learning und Wissensmanagement an der Hochschule Burgenland, den ich leite. Es gibt dort eine wiederkehrende Aufgabe zu wissenschaftlichem Schreiben. Die Elsevier Researcher Academy bietet einen kostenlosen Onlinekurs an, Writing for Research. Die naheliegende Aufgabenform wäre, was sie überall ist. Alle Studierenden klicken sich durch den Kurs, jeder für sich, bestehen die Quizfragen am Ende, drucken das Zertifikat aus. Eine Aufgabe, die in der KI-Zeit leer läuft. Durchklicken können KI-Agenten inzwischen selbstständig.

Dieses Semester habe ich die Aufgabe anders gestellt. Acht Gruppen, acht Themenblöcke aus dem Elsevier-Kurs: Generative AI und neue Themen. Datenvisualisierung. Visual Abstracts. Manuskript-Vorbereitung und Struktur. Abstracts und Review-Artikel. Schreib- und Kommunikationskompetenzen. Kritisches Schreiben. Spezialisierte Schreibformen. Jede Gruppe erarbeitete den Block selbst, durchlief den Elsevier-Kurs gemeinsam, diskutierte ihn intern und baute daraus ein Lernspiel für die anderen sieben Gruppen. Aus den acht Spielen wurde am Ende ein gemeinsamer Lernpfad, den die Studierenden intern durchspielen konnten.

Welche Tools sie nutzten, konnten die Gruppen selbst entscheiden. Viele arbeiteten mit Claude oder ChatGPT, einige mit Gemini, andere mit Kombinationen aus mehreren. Am Ende stand in allen acht Gruppen ein SCORM-Paket, in Moodle importierbar und in mehreren Browsern getestet. Die Ergebnisse sind sehr gut. Vor zwei Jahren wäre das nicht möglich gewesen. Jetzt ist es eine Gruppenarbeit über ein paar Wochen.

Als die Spiele fertig waren, kam die Reflexion. Wie haben sie zusammengearbeitet? Welche KI-Tools für welche Aufgaben? Wie haben sie die didaktische Gestaltung gewählt? Was würden sie beim nächsten Mal anders machen? Aus dieser Diskussion entstand die schriftliche Reflexion. Und aus ihr die visuelle Anleitung, in der jede Gruppe für zukünftige Studierende festhielt, wie man so ein Spiel baut. Dazu kam, dass jede Gruppe die Spiele der anderen sieben durchspielte und bewertete. Vier Schichten an Auseinandersetzung mit dem eigenen Bauprozess und mit dem, was die anderen gebaut hatten.

Genau diese Schichten sind der Punkt, an dem sich die Furchtdidaktik und das, was ich versuche, unterscheiden. Wir verbieten die KI nicht. Wir verlangen, dass ihr Einsatz sichtbar gemacht, durchdacht und mit anderen abgeglichen wird.

Was die Studierenden aus diesem Semester mitgenommen haben, weiß ich erst, seit die 34 Antworten vor mir liegen. Bevor ich auf sie zurückkomme, ein Hinweis in eigener Sache.

Das ist die Lehre, die wir im Masterstudiengang E-Learning und Wissensmanagement an der Hochschule Burgenland aufbauen, den ich leite. Bei uns lernst du, Lernen zu gestalten und KI souverän einzusetzen. An echten Projekten, mit anderen, die in Hochschulen, in der Weiterbildung oder in Unternehmen Lernumgebungen gestalten. KI ist kein eigenes Modul, sie ist in jeder Lehrveranstaltung präsent.

Berufsbegleitend, Blended Learning, vier Semester, kostenfrei. Die Bewerbung für das nächste Studienjahr läuft. Bewirb dich, wenn du die Transformation der Bildung aktiv mitgestalten willst.

Stimmen aus dem Padlet

Zwei Antworten haben mir gezeigt, dass die Furchtdidaktik nicht nur in der Lehre sitzt. Sie hat sich auch schon in die Studierenden selbst eingeschrieben.

„Positiv: es fühlt sich mehr nach spielen als nach lernen an”, schreibt eine Studierende zum ersten Spiel. Spielen und Lernen, getrennt durch ein „mehr nach … als nach”. Eine andere schreibt im Gesamtfragebogen, sie habe ein Spiel besonders gemocht, weil es motiviert habe „zu ‚Lernen’ um die Gegner zu besiegen”. Lernen in Anführungszeichen. Das Wort selbst ist verdächtig geworden, irgendwann, in irgendeiner Schulstufe, in irgendeiner Lehrveranstaltung. Die Anführungszeichen sind die eigentliche Anklage, nicht der Satz darum herum.

Dann kamen die Antworten, die ich nicht erwartet hatte.

„hands on, mach gar keine lust Ki zur Lösung einzusetzen :)” Eine Studierende sagt zu einem Spiel über wissenschaftliches Schreiben, sie habe gerade keine Lust, die KI zu fragen. Sie will es selbst herausfinden. Sie kann es selbst herausfinden. Das ist die direkte Widerlegung der Annahme, die unter der Furchtdidaktik liegt. Studierende greifen nicht immer zu Shortcuts. Sie greifen zu Shortcuts, wenn das, was vor ihnen liegt, sich nicht lohnt. Wenn es sich lohnt, bleiben sie dabei. Eine andere Studierende beschreibt, wie sie nicht über das erste Level eines Spiels hinausgekommen ist. „Kann’s ja nicht geben, dass mich ein Spiel in die Knie zwingt. Werde es später noch einmal probieren.” Das ist nicht Prüfungsangst. Das ist Hartnäckigkeit, die niemand verordnet hat.

Und dann die Antworten, die zeigen, was passiert, wenn Studierende zu Mitschöpferinnen ihrer eigenen Lerninhalte werden.

„Aus meiner Sicht als ehemaliger Gameboy Colour Pokemonspieler bin ich von der Umsetzung und Details hellauf begeistert. Die Interaktivität und der Reflexionsendgegner bringen das Spiel auf ein höheres Bloomsches Taxonomielevel.” Ein Studierender analysiert die Arbeit seiner Kommilitonen ungefragt nach Bloomscher Taxonomie. Solche Sätze produziert die Furchtdidaktik nicht. Sie produziert Studierende, die ihre Bewertung erwarten und sonst nichts. Und schließlich eine der Macherinnen aus dem Pokémon-Team. „Im Nachgang finde ich, dass gewisse Inhalte vielleicht ein bisschen repetitiv sind und die Schrift im Battle zu klein. Aber sonst bin ich mit unserem Werk zufrieden.”

Unser Werk. Nicht die Aufgabe. Nicht das, was ich abliefern musste. Unser Werk. Das ist der Punkt, an dem aus jemandem, der etwas abarbeitet, eine Mitschöpferin geworden ist.

Was hier passiert, ist nicht das, was die Furchtdidaktik annimmt. Aber was ist es?

Was im Padlet liegt

Es ist Arbeit, die sich zeigen lässt. Sechs der acht Gruppen haben ihr Spiel zur Veröffentlichung freigegeben. Im Padlet liegen also sechs Lernspiele zum wissenschaftlichen Arbeiten, die sich auf drei Genres verteilen.

Die beiden Adventures heißen Publication Quest und AI Academy. In Publication Quest bewegt man eine Spielfigur durch atmosphärisch inszenierte Welten und durchläuft so die Stationen des Publikationsprozesses, von der Themenfindung bis zur Annahme nach Peer Review. AI Academy nutzt dasselbe Format für ein anderes Thema, nämlich die verantwortungsvolle KI-Nutzung beim Publizieren, und gibt Feedback, das erklärt statt nur zu markieren.

Die beiden Escape Rooms gehen unterschiedliche Wege. Submit Before Midnight läuft auf 23:50 Uhr, drei Sicherheits-Codes müssen in zehn Minuten geknackt werden, sonst bleibt das Manuskript für diese Ausgabe gesperrt. Siegel der Reproduzierbarkeit verlegt das Genre in eine mittelalterliche Bibliothek mit Fackelschein und Pergament, in der drei Räume mit drei Aufgaben rund um Methoden-Artikel und Reproduzierbarkeit gelöst werden müssen, bevor am Ende das namensgebende Siegel winkt.

Die beiden ungewöhnlicheren Formate setzen auf eigene Erzählwelten. Visual Abstract Lab führt in drei Runden durch das Thema, begleitet vom Avatar Prof. Dr. Editor, vom Verstehen über das Erkennen typischer Qualitätsprobleme bis zum Bauen eines eigenen Visual Abstract. Schlussverkauf im Wissenssupermarkt inszeniert Lernen als Einkaufsbummel, vier Regale stehen für vier Bausteine wissenschaftlichen Schreibens, eine Eule führt durch den Hub, und am Ende fasst ein Wissens-Bon zusammen, was man mitnimmt.

Vor den Spielen findet sich im Padlet die schon erwähnte Spalte mit den Anleitungen. Wer ein eigenes Lernspiel bauen will, fängt dort an.

So sieht eines der Spiele in Bewegung aus:

Alle sechs veröffentlichten Spiele liegen offen auf GitHub als SCORM-Paket, unter MIT-Lizenz für den Code und CC BY 4.0 für die Inhalte. Wer Moodle nutzt, kann die ZIP-Datei herunterladen und als Lernpaket-Aktivität importieren. Wer mag, kann die Spiele umbauen und eigene Inhalte, eigene Themen und eigene Bilder nutzen. Direkt im Padlet finden sich zu jedem Spiel ein Screenshot, ein Quellcode-Link und die Namen der Studierenden, die das jeweilige Spiel gebaut haben.

Was du hier gelesen hast, ist meine Perspektive als Lehrende, die ihre Studierenden Lernspiele bauen lässt. Im Podcast „Zimmer 148 — So nutzen wir KI” kommt eine zweite Perspektive dazu. Michael Prodinger baut solche Spiele selbst für seine Lehrveranstaltungen und beschreibt in Folge 2, wie er dabei vorgeht, welche Tools er kombiniert und an welchen Stellen er heute anders arbeitet als noch vor einem Jahr. Wir gehen gemeinsam durch, warum „Konzept vor Code” für beide Wege gilt und warum die Entscheidung, ein Spiel zu veröffentlichen statt nur einzureichen, die Motivation der Studierenden verändert. Folge 2 findest du am YouTube-Kanal der Hochschule Burgenland oder direkt am Podcast-Kanal „Zimmer 148” auf Spotify und Apple Podcasts.

Wann die KI hilft und wann sie schadet

Was die Spiele meiner Studierenden zeigen, ist nicht, dass KI immer hilft oder immer schadet. Sie zeigen, dass die Unterscheidung nicht im Werkzeug liegt, sondern in der Aufgabe.

Es gibt Lernsituationen, in denen der Einsatz von KI nichts zerstört. Eine Doktorandin lässt sich eine Literaturübersicht strukturieren, weil sie die fünfzig Studien gelesen hat und ordnen möchte. Eine Lehrende lässt sich Quizfragen generieren und prüft sie, bevor sie sie einsetzt. Ein Lernender überträgt eine englische Zusammenfassung ins Deutsche. Was diese Beispiele teilt, ist nicht ein bestimmtes Maß an KI, sondern eine Verankerung. Die Doktorandin hat gelesen. Die Lehrende prüft. Der Lernende versteht den englischen Text. Die KI hilft, weil das Können vorhanden ist und ergänzt wird.

Es gibt Lernsituationen, in denen genau derselbe Einsatz alles zerstört. Wenn ein Kind in der dritten Klasse das Einmaleins von ChatGPT erledigen lässt, ist nicht das Ergebnis das Problem. Der Sinn der Aufgabe ist verfehlt. Das Einmaleins zu lernen heißt, eine Fähigkeit aufzubauen, die später automatisch da ist. Genau das Üben, das automatisiert werden müsste, wird wegautomatisiert. Was hier fehlt, ist nicht die Bewertung am Schluss, sondern die Verankerung im Tun.

Und dann gibt es das Dritte, die häufigste und unangenehmste Stelle. Die klassische Seminararbeit, die Hausübung, der Bericht im Online-Kurs. Aufgaben, bei denen ein zusammenhängender Text das Endprodukt ist und die Bewertung sich auf diesen Text stützt. Solche Aufgaben haben jahrzehntelang funktioniert, weil die Annahme galt, wer den Text produzieren kann, hat auch das Können dahinter. Diese Annahme trägt nicht mehr. Nicht weil KI schummelt, sondern weil sich Text und Können entkoppelt haben. Wer hier nur fragt „hat jemand KI benutzt”, fragt das Falsche. Die Aufgabe misst nichts mehr, unabhängig von der Antwort.

Was die Lernspiele meiner Studierenden so interessant macht, ist nicht, dass sie KI ausschließen oder einschließen. Es ist, dass sie verankert sind. In einem Artefakt, das sie selbst gebaut haben. In einer Spielmechanik, die getestet wird. In einer Reflexion, die ihren eigenen Weg dokumentiert. Das Lernen sitzt nicht im Text, sondern in dem, was außerhalb des Textraums entsteht.

Wo das Lernen sitzt, ist die eigentliche Frage. Eine erste Unterscheidung hilft. Wo ist mein Lernen verankert? Wenn die Antwort lautet „in der Aufgabe selbst”, liegt der Punkt offen. Wenn die Antwort lautet „in etwas, das ich tue, baue, prüfe, durchdenke”, trägt die Aufgabe. Auch mit KI. Vielleicht gerade mit KI.

Erforschen statt fürchten

An einer Hochschule erforscht man Neues. Bevor man warnt, untersucht man. Bevor man verbietet, versteht man. Das gilt nicht nur in der Forschung, das gilt auch in der Lehre. Und es gilt nicht nur an Hochschulen. Wer in der Schule unterrichtet, in der Berufsbildung ausbildet oder in Unternehmen Weiterbildung gestaltet, steht vor derselben Frage. Welche Aufgaben tragen noch, welche brechen unter der KI weg, und was muss an ihre Stelle treten.

Was ich im Padlet sehe, sind keine 34 Studierenden, die mich überlisten wollen. Es sind Menschen, die in dieser Aufgabe ihre Kompetenzen erweitert haben. Im wissenschaftlichen Arbeiten, in der didaktischen Gestaltung, im Umgang mit KI, in der Zusammenarbeit. Eine Studierende hat in ihrer Reflexion einen Begriff geprägt, den ich spannend finde. Sie nannte das, was in den guten Spielen passierte, „diagnostisches Feedback”. Feedback, das fragt, was schon verstanden ist und was noch nicht. Nicht Feedback, das nach richtig oder falsch einsortiert. Das ist nicht von mir, das ist von einer Masterstudentin. Aber es ist die kürzeste Definition für das Gegenteil der Furchtdidaktik, die mir bisher untergekommen ist.

Die Kollegin, die gestern in unserer Sitzung gesagt hat „Wir wissen nicht mehr, was sie selbst können”, hat recht. Über den alten Weg wissen wir es nicht mehr. Aber dass es einen alten Weg gab, heißt nicht, dass es nur diesen einen gibt. Es heißt, dass wir einen neuen suchen müssen. Das ist Forschung, kein Scheitern. Auch wenn man keine Forscherin ist. Auch wenn man morgen früh wieder vor einer Klasse, einer Gruppe von Auszubildenden oder einem Workshop-Raum voller Mitarbeitender steht.

Erforschen kostet mehr als verbieten. Aufgaben anders zu denken kostet Zeit, Mühe und manchmal das Eingeständnis, dass das eigene Format der letzten zehn Jahre nicht mehr trägt. Aber Bildung heißt genau das. Versuchen, prüfen, verwerfen, neu beginnen. Eine Spielmechanik, die nicht funktioniert, ist eine Erkenntnis. Eine Klausurfrage, die wirkungslos bleibt, war immer schon eine. Ein Übungsblatt, das in der Berufsschule keiner mehr ernst nimmt, auch. Wir haben es nur nie so genannt.

Bleibt eine Frage, die ich in einem der nächsten Beiträge systematisch behandeln werde. Wenn der alte Weg nicht mehr trägt, wo sitzen die neuen Aufgaben? Die Antwort liegt nicht in der Mitte, in der man versucht, alles offenzuhalten. Sie liegt an einem der beiden Pole. Welche das sind und wie sich Aufgaben dorthin verlagern lassen, gehört in einen späteren Text.

Für jetzt reicht eine einfache Einsicht. Was wir Furcht nennen, ist oft Bequemlichkeit. Was wir Forschung nennen, ist immer Anstrengung. Die Studierenden im Padlet haben sich für die Anstrengung entschieden. Ich gehe mit. Du wahrscheinlich auch, sonst wärst du nicht hier. Was probierst du als nächstes aus?

Meine LinkedIn Beiträge

Die folgenden LinkedIn-Beiträge habe ich seit dem letzten Newsletter veröffentlicht und sind auch ohne LinkedIn-Mitgliedschaft frei zugänglich:

KI-Agenten reproduzieren wissenschaftliche Studien

Paper lesen, Ergebnisse nachrechnen: KI-Agenten im Test

KI-Agenten können wissenschaftliche Studien nachrechnen. Ein neues Paper hat das an 48 sozialwissenschaftlichen Papers aus renommierten Fachzeitschriften getestet, mit erstaunlichen Ergebnissen.

ChatGPT 5.5: Prompting neu denken

ChatGPT 5.5 erfordert ein anderes Prompting. Und OpenAI sagt ziemlich klar, alte Prompts nicht einfach migrieren.

Sycophantische Chatbots: Wenn KI uns recht gibt

10 Prozent Schmeichelei reichen, um rationale Menschen in Wahnspiralen zu ziehen. Heutige KI-Modelle liegen bei 50 bis 70 Prozent. Was das für uns bedeutet, zeigt eine Studie vom MIT und der University of Washington.